来源：期刊VIP网 时间：
作者：野晶菀;周一鸣;王明龙;周小理;汤诗芸;
单位：上海应用技术大学香料香精技术与工程学院;
摘要：食品品质是保障食品安全与消费者满意度的基石，对于促进食品工业的可持续发展具有重要意义。机器学习凭借高效数据处理能力和精准预测分析模型，为食品品质的科学评估与管理提供了全新视角。其中，机器视觉通过图像感知与分析，在食品颜色、形状及纹理等外观检测方面展现出独特优势，有效提升了食品品质评价的客观性与准确性；近红外光谱技术则利用物质对红外光的吸收特性，实现了成分及结构的非破坏性感知与光谱特征深度解析。多源数据融合技术通过整合多维感知数据，突破单一模态表征局限，在提升检测精度的同时优化生产流程，为食品品质安全提供有力保障。本文系统梳理了在机器学习技术驱动下的机器视觉、近红外光谱等单一检测技术以及二者在多源数据融合中联用的应用现状，深入探讨了在表征检测、成分检测等方面的研究进展，并展望未来技术挑战与发展方向，以期为食品品质检测和评价提供参考和借鉴。
关键词：机器学习;;食品品质评价;;机器视觉;;近红外光谱;;多源数据融合
基金资助：人工智能促进科研范式改革赋能学科跃升计划项目（AIZX-7）;; 上海市东方英才计划（拔尖项目）;; 上海市科委“科技创新行动计划”地方院校能力建设项目（22010504000）
